Um estudo com 46 universitários em um curso online comparou feedback personalizado por inteligência artificial (IA) generativa e por um tutor ao longo de nove semanas. O grupo que recebeu mensagens produzidas por IA apresentou resultado superior em um indicador de estratégias de estudo e avaliou o feedback como mais genuíno, mas o experimento não demonstra que a tecnologia melhore a aprendizagem de modo geral.
O QUE HÁ DE NOVO: Pesquisadores acompanharam estudantes de uma disciplina de estatística a distância no ano letivo de 2024–2025 e os distribuíram aleatoriamente em dois grupos de 23 pessoas. Um recebeu mensagens redigidas por um tutor; o outro, mensagens geradas por IA. A comparação ocorreu dentro de uma disciplina real, com o objetivo de investigar se o feedback baseado em dados de participação poderia apoiar a autorregulação da aprendizagem, a capacidade de planejar, acompanhar e ajustar os próprios estudos.
COMO FUNCIONA: A equipe analisou cerca de 48 mil registros de atividade no Moodle e os transformou em indicadores indiretos de cinco dimensões: definição de metas, estratégias de estudo, gestão do tempo, busca de ajuda e autoavaliação. Com acesso aos mesmos indicadores individuais, o tutor redigiu as mensagens com apoio de uma ferramenta de visualização, enquanto o modelo de linguagem GPT-4 produziu textos a partir de instruções estruturadas. Cada estudante recebeu dois e-mails, um após a quinta semana e outro na sétima; as mensagens de IA passaram por revisão humana antes do envio. Os alunos responderam a uma avaliação do feedback sem saber oficialmente sua origem.
PRINCIPAIS RESULTADOS: Entre os 41 participantes que completaram o questionário, o grupo da IA atribuiu notas médias maiores ao feedback nas quatro dimensões avaliadas, mas a diferença estatisticamente significativa apareceu apenas na percepção de autenticidade. Nos registros de atividade, houve diferença significativa a favor desse grupo no indicador de estratégias de estudo após a intervenção. A vantagem em gestão do tempo ficou abaixo do limiar de significância estatística, e não foram identificadas diferenças significativas nas outras três dimensões.
Após saberem que haviam recebido mensagens geradas por IA, 17 estudantes desse grupo responderam a perguntas abertas. Cinco disseram já ter identificado a origem e não ter mudado de opinião; entre os demais, cinco afirmaram que saber disso não alteraria sua avaliação, seis manifestaram dúvidas ou condições, e um disse que teria reagido de outra forma. As respostas sugerem que, para parte da turma, a pertinência do conteúdo pesou mais que sua autoria, sem eliminar a importância da transparência sobre quem produz o feedback.
LIMITES DA EVIDÊNCIA: O teste envolveu uma única disciplina e uma amostra pequena. Seus indicadores de autorregulação foram inferidos de ações na plataforma, não de uma avaliação direta das habilidades dos estudantes ou de suas notas. Além disso, o tempo gasto na revisão das mensagens de IA não foi medido, e o tutor sabia da existência do outro grupo, fatores que impedem conclusões firmes sobre economia de trabalho ou superioridade de um modelo de feedback. Como os alunos foram informados da origem apenas depois da avaliação, os resultados não mostram como reagiriam caso soubessem dela desde o início.
POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: Para cursos online, o modelo aponta uma possibilidade de oferecer orientações individualizadas sem exigir que docentes redijam cada mensagem do zero. Seu valor, porém, depende de os dados representarem necessidades reais e de as recomendações ajudarem o aluno a decidir o que fazer, em vez de substituir sua reflexão. Antes de ampliar o uso, instituições precisam avaliar a precisão do feedback, a carga de supervisão docente e o tratamento dos dados estudantis. Estudos maiores, em outros cursos e com acompanhamento posterior, poderão mostrar se a mudança observada nos registros se traduz em habilidades duradouras.
